王珧 張永強 田媛 王榮

摘要：【目的】對我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量進(jìn)行測度，明晰農(nóng)業(yè)碳排放影響因素，為實現(xiàn)農(nóng)業(yè)經(jīng)濟與生態(tài)環(huán)境的協(xié)調(diào)發(fā)展提供理論依據(jù)?！痉椒ā炕?004—2016年我國糧食主產(chǎn)區(qū)省際數(shù)據(jù)，在對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量測度的基礎(chǔ)上，引入空間自相關(guān)分析法和空間面板計量模型，考察糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的影響因素及其空間溢出性。【結(jié)果】我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量具有明顯的空間相關(guān)特征，即糧食主產(chǎn)區(qū)各地區(qū)農(nóng)業(yè)碳排放量不僅受到來自本地區(qū)農(nóng)業(yè)碳排放的直接影響，還會受到其他地區(qū)農(nóng)業(yè)碳排放的影響?？紤]糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的影響因素，糧食生產(chǎn)技術(shù)效率、城鎮(zhèn)化水平和農(nóng)業(yè)產(chǎn)業(yè)集聚水平均對農(nóng)業(yè)碳排放量有顯著的抑制作用（P<0.01，下同），農(nóng)業(yè)發(fā)展水平和農(nóng)業(yè)開放度對農(nóng)業(yè)碳排放量有顯著的正向促進(jìn)作用，而產(chǎn)業(yè)結(jié)構(gòu)對農(nóng)業(yè)碳排放的影響不顯著（P>0.1）?！窘ㄗh】為更好地促進(jìn)我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳減排，政府應(yīng)強化農(nóng)技推廣和投入，依靠農(nóng)業(yè)技術(shù)進(jìn)步實現(xiàn)碳減排;制定合理政策適度推動城鎮(zhèn)化發(fā)展，發(fā)揮城鎮(zhèn)化對農(nóng)業(yè)碳減排的正向作用;鼓勵農(nóng)業(yè)資源調(diào)整和重組，推動農(nóng)業(yè)產(chǎn)業(yè)集聚;加強地區(qū)間合作交流，推進(jìn)低碳農(nóng)業(yè)平衡發(fā)展。

關(guān)鍵詞： 糧食主產(chǎn)區(qū);農(nóng)業(yè)碳排放;空間自相關(guān);空間溢出性;影響因素

0 引言

【研究意義】隨著全球氣候變暖加劇，碳排放已成為各國普遍關(guān)注的問題。我國于2009年正式宣布控制溫室氣體排放的行動目標(biāo)，即到2020年單位國內(nèi)生產(chǎn)總值二氧化碳排放量比2005年下降40%～45%;2014年底進(jìn)一步提出，到2030年左右二氧化碳排放強度比2005年下降60%～65%。在碳減排的巨大壓力下，農(nóng)業(yè)作為碳排放的重要來源，受到我國政府及相關(guān)部門的高度重視，先后提出低碳農(nóng)業(yè)、生態(tài)循環(huán)農(nóng)業(yè)等發(fā)展理念，近幾年中央一號文件也持續(xù)關(guān)注農(nóng)業(yè)環(huán)境問題。黨的十九大報告明確提出生態(tài)宜居是實現(xiàn)鄉(xiāng)村振興的關(guān)鍵，而農(nóng)業(yè)碳排放作為衡量農(nóng)業(yè)生態(tài)的重要指標(biāo)，必定會為生態(tài)環(huán)境的改善貢獻(xiàn)力量。我國是農(nóng)業(yè)大國，糧食主產(chǎn)區(qū)在我國農(nóng)業(yè)生產(chǎn)中具有舉足輕重的地位，據(jù)統(tǒng)計資料顯示，2017年我國糧食主產(chǎn)區(qū)的糧食總產(chǎn)量占全國糧食總產(chǎn)量的76.2%，糧食增產(chǎn)總量的95%均來自于糧食主產(chǎn)區(qū)，較大的糧食產(chǎn)量使其成為我國農(nóng)業(yè)碳排放重要來源區(qū)域。因此，在加快碳減排步伐和不斷改善農(nóng)村生態(tài)環(huán)境的雙重背景下，研究我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放及其影響因素對于探索農(nóng)業(yè)生態(tài)化發(fā)展、實現(xiàn)總體碳減排有重大意義?！厩叭搜芯窟M(jìn)展】對農(nóng)業(yè)碳排放進(jìn)行全面測算，明確其變化特點，是研究農(nóng)業(yè)碳減排問題的基礎(chǔ)（何艷秋等，2018）。從研究區(qū)域來看，大多數(shù)學(xué)者從全國層面出發(fā)，部分學(xué)者關(guān)注一定區(qū)域內(nèi)的農(nóng)業(yè)碳排放問題，但涉及糧食主產(chǎn)區(qū)的研究較少。在全國范圍內(nèi)，梁青青（2018）、韋沁等（2018）分別對我國東中西部和南北區(qū)域的農(nóng)業(yè)碳排放進(jìn)行差異性分析，結(jié)果表明，我國農(nóng)業(yè)碳排放總量東部最高，中部次之，西部最低，北方農(nóng)業(yè)碳排放量高于南方地區(qū);陳煒等（2019）基于種植業(yè)生產(chǎn)過程中的農(nóng)用物資數(shù)據(jù)，測算了1997—2015年我國種植業(yè)碳排放量，發(fā)現(xiàn)種植業(yè)碳排放增速呈現(xiàn)出明顯的下降—上升—下降的變化特征。有關(guān)區(qū)域性研究方面，王興等（2017）利用灰色關(guān)聯(lián)度分析法對西南地區(qū)農(nóng)業(yè)碳排放驅(qū)動因素及其主要貢獻(xiàn)因子進(jìn)行了研究;郭四代等（2018）運用包含非期望產(chǎn)出的SBM-Undersirable模型對西部地區(qū)各?。▍^(qū)）的農(nóng)業(yè)碳排放總量和碳排放效率進(jìn)行了評價。關(guān)于糧食主產(chǎn)區(qū)，張軍偉等（2018）運用空間面板隨機前沿生產(chǎn)函數(shù)模型對我國31個?。▍^(qū)）糧食生產(chǎn)過程中碳排放的規(guī)模和強度進(jìn)行了測算，指出糧食主產(chǎn)區(qū)碳減排潛力高于主銷區(qū)。除對農(nóng)業(yè)碳排放測度外，部分學(xué)者還通過進(jìn)一步研究明晰了農(nóng)業(yè)碳排放的影響因素，以制定針對性減排措施。陳銀娥和陳薇（2018）、魏瑋等（2018）、趙爽等（2018）分別從農(nóng)業(yè)機械化、技術(shù)進(jìn)步及低碳試點政策與農(nóng)業(yè)碳排放相關(guān)性視角對農(nóng)業(yè)碳排放影響因素進(jìn)行較深入的研究，并得出一系列具有現(xiàn)實意義的結(jié)論。【本研究切入點】在研究農(nóng)業(yè)碳排放影響因素方面，學(xué)者們多從因素分解及因素的相關(guān)性出發(fā)，鮮有考慮到空間效應(yīng)對農(nóng)業(yè)碳排放的影響。對于牽涉到局限于某區(qū)域性的問題，忽略區(qū)域間的空間相關(guān)性有可能導(dǎo)致研究結(jié)果有失偏頗（Tobler，1970）?！緮M解決的關(guān)鍵問題】從空間溢出效應(yīng)視角，在對我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量測度的基礎(chǔ)上，利用空間計量模型分析區(qū)域農(nóng)業(yè)碳排放的影響因素，以期為制定糧食主產(chǎn)區(qū)農(nóng)業(yè)碳減排政策提供理論支撐。

1 數(shù)據(jù)來源與研究方法

1. 1 農(nóng)業(yè)碳排放估算方法

本研究中農(nóng)業(yè)碳排放主要聚焦于狹義的農(nóng)業(yè)，即水稻種植業(yè)。種植業(yè)碳排放包括農(nóng)地間接碳排放和農(nóng)地直接碳排放。農(nóng)地間接碳排放是指化肥、農(nóng)藥、農(nóng)膜、灌溉和農(nóng)機使用等產(chǎn)生的碳排放;農(nóng)地直接碳排放一般是指水稻生產(chǎn)發(fā)育過程中產(chǎn)生的甲烷，因為相對于其他農(nóng)作物，水稻種植產(chǎn)生的溫室氣體較多（田云等，2012）。本研究參考何艷秋等（2018）的研究方法，構(gòu)建各省區(qū)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量（C）的測算公式：

公式（2）中，C間表示農(nóng)地間接碳排放量，Ai為6類碳源因子分量，包括各?。▍^(qū)）化肥、農(nóng)藥、農(nóng)膜、柴油的使用量及農(nóng)作物總播種面積和有效灌溉面積;Ei是各類碳源的碳排放系數(shù)，參照West和Marland（2002）、Dubey和Lal（2009）的計算方法，得出6類碳源相應(yīng)的排放系數(shù)分別為0.90、4.93、5.18和0.59 kg/kg及312.60和266.48 kg/ha。公式（3）中，C直表示農(nóng)地直接碳排放量，Bi為糧食主產(chǎn)區(qū)各?。▍^(qū)）水稻種植面積，F(xiàn)i為各?。▍^(qū)）水稻生長周期內(nèi)的碳排放系數(shù)。借鑒閔繼勝和胡浩（2012）測算出的各?。▍^(qū)）水稻生長的碳排放系數(shù)（表1），以此進(jìn)行農(nóng)地直接碳排放量的計算。

1. 2 空間計量方法

為研究糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的影響因素及空間溢出性，本研究選取空間計量模型進(jìn)行影響效果的測算?？臻g計量模型一般包括空間滯后模型（Spatial lag model，SLM）和空間誤差模型（Spatial error model，SEM）兩種，SLM模型主要探討某一地區(qū)被解釋變量受系統(tǒng)中的臨近地區(qū)該變量的影響，即空間溢出性，在分析中加入了因變量的空間滯后因子。而SEM模型強調(diào)相近地區(qū)有著相近的特征，地區(qū)間可能產(chǎn)生的隨機誤差會對空間溢出效應(yīng)產(chǎn)生沖擊，因此，SEM模型的空間依賴關(guān)系存在于擾動誤差項中。

1. 3 變量說明及數(shù)據(jù)來源

1. 3. 1 變量說明 結(jié)合糧食主產(chǎn)區(qū)的特征，選取以下6個變量作為影響農(nóng)業(yè)碳排放的外生變量。（1）糧食生產(chǎn)技術(shù)效率（TE）：考慮到糧食主產(chǎn)區(qū)各?。▍^(qū)）以種植業(yè)為主，農(nóng)業(yè)技術(shù)運用更多的體現(xiàn)在糧食生產(chǎn)中，因此本研究選取糧食生產(chǎn)技術(shù)效率作為外生變量，并借鑒高鳴和馬鈴（2015）的研究方法采用EBM模型對糧食生產(chǎn)技術(shù)效率進(jìn)行測算。以糧食總播種面積、種糧勞動力、化肥使用量、農(nóng)藥使用量和機械總動力作為5個投入指標(biāo)，以糧食總產(chǎn)量作為產(chǎn)出指標(biāo)。（2）城鎮(zhèn)化水平（URB）：以城鎮(zhèn)人口占總?cè)丝诘谋戎貋肀碚鞒擎?zhèn)化水平。（3）產(chǎn)業(yè)結(jié)構(gòu)（IS）：以農(nóng)業(yè)產(chǎn)值在農(nóng)林牧漁業(yè)總產(chǎn)值中所占比值作為產(chǎn)業(yè)結(jié)構(gòu)的測度指標(biāo)。（4）農(nóng)業(yè)產(chǎn)業(yè)集聚水平（AGG）：農(nóng)業(yè)產(chǎn)業(yè)集聚是由農(nóng)業(yè)生產(chǎn)經(jīng)營活動中各參與主體相互聯(lián)系所形成的有機集合，表現(xiàn)為在地區(qū)空間上的高度集中。農(nóng)業(yè)產(chǎn)業(yè)集聚水平采用區(qū)位商的方法計算，具體公式為AGij=（Yij/Yj）/（Yi/Y），其中，Yij為j地區(qū)農(nóng)業(yè)生產(chǎn)總值，Yj為j 地區(qū)所有產(chǎn)業(yè)總產(chǎn)值，Yi為全國農(nóng)業(yè)總產(chǎn)值，Y為全國所有產(chǎn)業(yè)總產(chǎn)值。（5）人均農(nóng)業(yè)總產(chǎn)值（PE）：一定程度上體現(xiàn)了農(nóng)業(yè)發(fā)展水平。通過不變價值的農(nóng)業(yè)總產(chǎn)值除以總?cè)丝跀?shù)來計算。（6）農(nóng)業(yè)開放度（OPE）：選取各省（區(qū)）農(nóng)業(yè)進(jìn)出口實際總額與農(nóng)業(yè)增加值的比值來衡量農(nóng)業(yè)開放度，其中，農(nóng)產(chǎn)品進(jìn)出口貿(mào)易額用人民幣對美元的匯率進(jìn)行換算。

1. 3. 2 數(shù)據(jù)來源 考慮到在2003年首次提出低碳經(jīng)濟后我國才開始密集出臺一系列的法律法規(guī)，初步形成低碳法律基礎(chǔ)和政策保障體系（胡川等，2018），且結(jié)合糧食主產(chǎn)區(qū)各地區(qū)農(nóng)業(yè)發(fā)展不平衡、農(nóng)業(yè)數(shù)據(jù)樣本區(qū)間長度不充足的特點，本研究使用2004—2016年糧食主產(chǎn)區(qū)各省（區(qū)）數(shù)據(jù)計算出各變量值。其中，農(nóng)業(yè)碳排放、糧食生產(chǎn)技術(shù)效率、城鎮(zhèn)化水平、農(nóng)業(yè)產(chǎn)業(yè)集聚水平及人均農(nóng)業(yè)總產(chǎn)值相關(guān)數(shù)據(jù)均來自2004—2016年的《中國統(tǒng)計年鑒》和《中國農(nóng)村統(tǒng)計年鑒》，農(nóng)業(yè)開放度相關(guān)數(shù)據(jù)來自各年度《中國農(nóng)業(yè)年鑒》和中國農(nóng)產(chǎn)品進(jìn)出口月統(tǒng)計公告。

1. 4 統(tǒng)計分析

借助Geoda 1.6.0計算2004—2016年我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量的全局Moran’s I指數(shù)，并繪制Moran’s I散點圖;使用Matlab 7.0對空間計量模型進(jìn)行估計，分析各外生變量值對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的影響。

2 我國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放影響因素實證分析

2. 1 各省區(qū)農(nóng)業(yè)碳排放量及外生變量值

根據(jù)1.1構(gòu)建的糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量的測算公式，計算得出2004—2016年糧食主產(chǎn)區(qū)各省（區(qū)）的農(nóng)業(yè)碳排放量（C）。從表2可看出，農(nóng)業(yè)碳排放量較高的為山東、河南和河北，較低的為吉林、遼寧和內(nèi)蒙古，且農(nóng)業(yè)碳排放量較高和較低的省（區(qū)）在地理位置上均呈集中分布。因此，從數(shù)據(jù)資料來看，農(nóng)業(yè)碳排放存在一定的空間關(guān)聯(lián)性。此外，根據(jù)外生變量指標(biāo)的計算方法對各外生變量值進(jìn)行計算，表2也給出了各變量值的均值。

2. 2 糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放空間相關(guān)性分析結(jié)果

為判斷空間因素對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放產(chǎn)生的作用，首先要進(jìn)行空間相關(guān)性檢驗。一般用Moran’s I來檢驗空間自相關(guān)性，其可揭示經(jīng)濟變量的空間作用機制（Anselin，2003），空間自相關(guān)檢驗包括全局空間相關(guān)性和局部空間相關(guān)性檢驗。從表3可看出，全局Moran’s I指數(shù)均大于0，且均通過顯著性檢驗。同時，標(biāo)準(zhǔn)化檢驗值（Z）均為正值且大部分超過1.9600，表明糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的空間分布并非完全隨機，而是存在顯著的空間集聚性，糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放的變遷會受到空間相關(guān)性因素的影響，若忽略空間因素，將會失去模型估計的準(zhǔn)確性。

為觀察變量值在空間上的集聚情況，在全局空間自相關(guān)性檢驗的基礎(chǔ)上，繪制Moran’s I散點圖，進(jìn)一步觀察農(nóng)業(yè)碳排放在空間分布的局域特性。由于選取的時間跨度為13年，因此，為了更加簡潔清楚地理解農(nóng)業(yè)碳排放在這段時間的空間分布，選用3年（2004、2010和2016年）的分布情況進(jìn)行觀察分析。由圖1可看出，3個年份中大部分地區(qū)農(nóng)業(yè)碳排放的落點均在第一和第三象限，第一象限（HH）為高值聚類區(qū)，表示農(nóng)業(yè)碳排放量高的省區(qū)聚集在一起;第三象限（LL）為低值聚類區(qū)，表示農(nóng)業(yè)碳排放量相對低的省區(qū)聚集在一起。位于HH象限和LL象限的省區(qū)占糧食主產(chǎn)區(qū)所有?。▍^(qū)）的84.62%，表明糧食主產(chǎn)區(qū)各?。▍^(qū)）間的農(nóng)業(yè)碳排放存在空間相關(guān)性，即空間溢出效應(yīng)明顯。因此，糧食主產(chǎn)區(qū)各地區(qū)農(nóng)業(yè)碳排放量不僅受到來自本地區(qū)農(nóng)業(yè)碳排放的直接影響，還會受到其他地區(qū)農(nóng)業(yè)碳排放的影響。

2. 3 糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放空間計量分析結(jié)果

空間計量分析的關(guān)鍵是針對變量間的相互關(guān)系確定合適模型，通過空間相關(guān)性檢驗結(jié)果可知，對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放影響因素的分析需要考慮空間因素的影響。如表4所示，LM error和R-LM error檢驗均滿足1%的顯著性檢驗（P<0.01），而LM lag和R-Lm lag檢驗均不顯著（P>0.01），因此，本研究采用SEM模型。此外，進(jìn)行Hausman檢驗得到統(tǒng)計量16.25，對應(yīng)的P為0.0125，小于0.05，即通過了5%的顯著性水平檢驗，拒絕原假設(shè)，應(yīng)選擇固定效應(yīng)模型進(jìn)行分析。綜上所述，固定效應(yīng)下的空間誤差模型為最適合的空間計量模型。

借助Matlab 7.0對空間計量模型進(jìn)行估計，同時將普通回歸的OLS估計結(jié)果和SLM模型估計結(jié)果也列入表5中與SEM模型估計結(jié)果進(jìn)行對比。從模型的回歸結(jié)果中可看出，無論是整體擬合優(yōu)度還是對數(shù)似然函數(shù)值，SEM模型均優(yōu)于OLS模型和SLM模型;且SEM模型的空間誤差項系數(shù)λ顯著為正，說明糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放確實存在顯著的空間溢出性。

進(jìn)一步對表5中SEM模型系數(shù)估計結(jié)果進(jìn)行分析，得知：

（1）糧食生產(chǎn)技術(shù)效率（TE）系數(shù)為負(fù)，且在1%的置信水平上顯著，說明糧食生產(chǎn)技術(shù)效率改進(jìn)對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量的增加有顯著抑制作用。技術(shù)效率是指在既定各種投入要素的條件下，實現(xiàn)最大產(chǎn)出的投入最小化能力（胡中應(yīng)，2018）。而糧食生產(chǎn)技術(shù)效率體現(xiàn)了決策單元在糧食生產(chǎn)過程中對生產(chǎn)資源的合理配置、對農(nóng)業(yè)科技的有效運用及規(guī)模經(jīng)營。近年來，我國持續(xù)關(guān)注糧食主產(chǎn)區(qū)化肥、農(nóng)藥用量問題，為達(dá)到化肥減量增效，采取了調(diào)優(yōu)結(jié)構(gòu)、精準(zhǔn)施肥及有機肥替代等措施，因此，糧食生產(chǎn)技術(shù)效率的提高在一定程度上促進(jìn)了農(nóng)業(yè)碳排放量的減少。

（2）城鎮(zhèn)化水平（URB）系數(shù)為負(fù)，且在1%的置信水平上顯著，說明城鎮(zhèn)化水平對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量有顯著的負(fù)向影響。究其原因可能是，城鎮(zhèn)化的快速發(fā)展，一方面造成農(nóng)村勞動力向城市轉(zhuǎn)移，農(nóng)業(yè)勞動力逐漸減少，在一定程度上降低了農(nóng)業(yè)生產(chǎn)規(guī)模，有利于降低農(nóng)地投入的碳排放;另一方面，隨著城鎮(zhèn)化進(jìn)入加速發(fā)展階段，城鎮(zhèn)建設(shè)用地急劇向農(nóng)村擴展，導(dǎo)致農(nóng)村耕地面積減少，也在一定程度上促進(jìn)了農(nóng)業(yè)碳減排。2017年糧食主產(chǎn)區(qū)有6個?。▍^(qū)）的城鎮(zhèn)化率均超過全國平均水平，糧食主產(chǎn)區(qū)新型城鎮(zhèn)化的不斷推進(jìn)，對抑制該地區(qū)農(nóng)業(yè)碳排放量的增加有著積極作用。

（3）產(chǎn)業(yè)結(jié)構(gòu)（IS）系數(shù)為正，但未通過顯著性檢驗。種植業(yè)是農(nóng)業(yè)碳排放的主要來源，種植業(yè)所占比重提高意味著更多化肥、農(nóng)藥、農(nóng)膜等生產(chǎn)資料的投入，一定程度上會增加農(nóng)業(yè)碳排放。但糧食主產(chǎn)區(qū)內(nèi)產(chǎn)業(yè)結(jié)構(gòu)對農(nóng)業(yè)碳排放的影響不顯著，其原因可能是位于糧食主產(chǎn)區(qū)的各?。▍^(qū)）大多以種植業(yè)為主，農(nóng)地利用和水稻種植為該區(qū)域農(nóng)業(yè)碳排放的長期主導(dǎo)因素，短期內(nèi)種植業(yè)結(jié)構(gòu)的調(diào)整對總體農(nóng)業(yè)碳排放量影響不大。

（4）農(nóng)業(yè)產(chǎn)業(yè)集聚水平（AGG）系數(shù)為負(fù)，且在1%的置信水平上顯著，說明農(nóng)業(yè)產(chǎn)業(yè)集聚水平對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量有顯著的負(fù)向影響，農(nóng)業(yè)生產(chǎn)能通過集聚產(chǎn)生投入要素的節(jié)約及生產(chǎn)效率的提升，從而促進(jìn)農(nóng)業(yè)碳減排。農(nóng)業(yè)產(chǎn)業(yè)集聚是農(nóng)業(yè)規(guī)?；?jīng)營的重要途徑，尤其對于糧食主產(chǎn)區(qū)來說，農(nóng)業(yè)現(xiàn)代化及城鎮(zhèn)化的快速發(fā)展，加快了農(nóng)地規(guī)?；?jīng)營的進(jìn)程。農(nóng)業(yè)生產(chǎn)規(guī)模的擴大及產(chǎn)業(yè)地理空間集聚，能實現(xiàn)勞動力市場、生產(chǎn)投入要素及專業(yè)技術(shù)的共享，從而產(chǎn)生技術(shù)外溢效應(yīng)，有利于降低農(nóng)業(yè)碳排放量。

（5）人均農(nóng)業(yè)總產(chǎn)值（PE）系數(shù)為正，且在1%的置信水平上顯著，說明人均農(nóng)業(yè)總產(chǎn)值對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放有正向影響。人均農(nóng)業(yè)總產(chǎn)值反映的是農(nóng)業(yè)經(jīng)濟發(fā)展水平，經(jīng)濟增長是農(nóng)業(yè)碳排放的主要因素。由于目前我國的經(jīng)濟發(fā)展與環(huán)境質(zhì)量仍位于拐點左側(cè)，伴隨經(jīng)濟的發(fā)展也會帶來環(huán)境的惡化。糧食主產(chǎn)區(qū)亦是如此，農(nóng)業(yè)經(jīng)濟發(fā)展的同時，農(nóng)業(yè)碳排放持續(xù)增加。

（6）農(nóng)業(yè)開放度（OPE）系數(shù)為正，且在1%的置信水平上顯著，說明糧食主產(chǎn)區(qū)農(nóng)產(chǎn)品貿(mào)易的發(fā)展增加了農(nóng)業(yè)碳排放量。隨著我國農(nóng)產(chǎn)品進(jìn)出口額的增長，農(nóng)產(chǎn)品貿(mào)易的發(fā)展會帶動農(nóng)業(yè)生產(chǎn)的標(biāo)準(zhǔn)化和規(guī)?；?，但也會帶來資源消耗和環(huán)境污染等問題。當(dāng)前糧食主產(chǎn)區(qū)大多數(shù)?。▍^(qū)）仍以農(nóng)產(chǎn)品出口為主，2016年糧食主產(chǎn)區(qū)有8個?。▍^(qū)）的農(nóng)產(chǎn)品貿(mào)易表現(xiàn)為貿(mào)易順差。伴隨著當(dāng)前我國“三量齊增”現(xiàn)象的出現(xiàn)，農(nóng)產(chǎn)品供需結(jié)構(gòu)失衡問題突出，農(nóng)產(chǎn)品出口的增加更是加大了糧食生產(chǎn)的壓力;而且在當(dāng)前農(nóng)業(yè)發(fā)展方式粗放和高度依賴資源能源的現(xiàn)實背景下，農(nóng)產(chǎn)品出口為了滿足國際質(zhì)量標(biāo)準(zhǔn)，有可能采取加大要素和能源投入的方式，進(jìn)而產(chǎn)生了更多的農(nóng)業(yè)碳排放。

3 討論

關(guān)于糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量影響因素的研究，與王興等（2017）、何艷秋等（2018）的研究方法不同，本研究首先通過空間自相關(guān)檢驗得知，糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量在空間上并非隨機分布，存在顯著的空間溢出效應(yīng)，其次運用空間計量模型對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量影響因素進(jìn)行估計，研究結(jié)果更具有準(zhǔn)確性。

本研究結(jié)果表明，抑制糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量增長的因素包括糧食生產(chǎn)技術(shù)效率、城鎮(zhèn)化水平和農(nóng)業(yè)產(chǎn)業(yè)集聚，與程琳琳等（2018）、胡中應(yīng)（2018）的研究結(jié)果一致。促進(jìn)農(nóng)業(yè)碳排放量增長的因素包括人均農(nóng)業(yè)總產(chǎn)值和農(nóng)業(yè)開放度，人均農(nóng)業(yè)總產(chǎn)值是地區(qū)農(nóng)業(yè)經(jīng)濟發(fā)展水平的表現(xiàn)，對農(nóng)業(yè)碳排放量的促進(jìn)作用在陳銀娥和陳薇（2018）的研究中也得到驗證。但長期以來，糧食主產(chǎn)區(qū)在我國農(nóng)業(yè)發(fā)展中一直發(fā)揮著巨大的作用，是我國糧食供給的重要保障，不能采取為了推進(jìn)農(nóng)業(yè)碳減排而放棄糧食主產(chǎn)區(qū)農(nóng)業(yè)增長的減排模式?？梢灶A(yù)測，短期內(nèi)農(nóng)業(yè)經(jīng)濟的持續(xù)發(fā)展仍然是該區(qū)域農(nóng)業(yè)碳排放增加的主要因素。產(chǎn)業(yè)結(jié)構(gòu)因素對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放影響不顯著，該結(jié)果與程琳琳等（2018）對國家層面進(jìn)行研究的結(jié)果存在差異。

由此可見，與已有研究文獻(xiàn)相比，從空間溢出效應(yīng)的視角對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放量測度及其影響因素的分析更具有針對性，得到的研究結(jié)論與糧食主產(chǎn)區(qū)的實際情況較相符。此外，解決糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放問題的重點應(yīng)考慮加大農(nóng)業(yè)科技的投入，調(diào)整城鄉(xiāng)二元結(jié)構(gòu)，通過發(fā)揮產(chǎn)業(yè)集聚帶來的溢出效應(yīng)逐步實現(xiàn)糧食主產(chǎn)區(qū)農(nóng)業(yè)碳減排。

4 建議

4. 1 強化農(nóng)技推廣與投入，逐步提高技術(shù)效率

本研究結(jié)果顯示，糧食生產(chǎn)技術(shù)效率的提升能帶來顯著的減排作用。因此，在保證糧食安全的前提下，應(yīng)繼續(xù)依靠農(nóng)業(yè)技術(shù)進(jìn)步實現(xiàn)碳減排。注重加強糧食主產(chǎn)區(qū)的科技創(chuàng)新服務(wù)體系建設(shè)，推廣使用高效節(jié)能減排的農(nóng)業(yè)新機具，加大對糧食主產(chǎn)區(qū)節(jié)能農(nóng)用機械補貼的政策扶持力度;在農(nóng)戶自愿的基礎(chǔ)上，逐步推動農(nóng)村土地流轉(zhuǎn)，通過適度規(guī)模經(jīng)營改善農(nóng)地資源配置效率，以此提高糧食生產(chǎn)技術(shù)效率;加強對優(yōu)質(zhì)高產(chǎn)、抗病抗旱品種的培育，降低化肥、農(nóng)藥、農(nóng)膜等有害投入品的過度使用，通過農(nóng)業(yè)技術(shù)的不斷創(chuàng)新提高農(nóng)業(yè)生產(chǎn)資源配置效率，逐步減少種植業(yè)由于農(nóng)業(yè)物質(zhì)投入所造成的農(nóng)業(yè)碳排放。

4. 2 協(xié)調(diào)好城鄉(xiāng)發(fā)展關(guān)系，適度推進(jìn)城鎮(zhèn)化發(fā)展

由估計結(jié)果可知，城鎮(zhèn)化的發(fā)展對糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放有顯著抑制作用。因此，應(yīng)強化城鎮(zhèn)發(fā)展對農(nóng)戶非農(nóng)就業(yè)的帶動作用，通過發(fā)展產(chǎn)業(yè)融合增加農(nóng)戶就業(yè)機會。城鎮(zhèn)化發(fā)展能加速技術(shù)創(chuàng)新、知識進(jìn)步和人力資本的積累，為農(nóng)業(yè)科技發(fā)展和技術(shù)人才的培養(yǎng)打下基礎(chǔ)，通過農(nóng)業(yè)科技的運用逐步實現(xiàn)農(nóng)業(yè)低碳化目標(biāo)。同時，應(yīng)制定合理的地區(qū)城鎮(zhèn)化發(fā)展對策，避免盲目追求城鎮(zhèn)化率造成城市空間過度擴展，要合理推進(jìn)土地城鎮(zhèn)化進(jìn)程和農(nóng)業(yè)布局優(yōu)化的協(xié)調(diào)同步，發(fā)揮城鎮(zhèn)化對農(nóng)業(yè)碳減排的正向作用。

4. 3 適度推動農(nóng)業(yè)產(chǎn)業(yè)集聚，逐步實現(xiàn)規(guī)模經(jīng)濟

本研究結(jié)果表明，農(nóng)業(yè)產(chǎn)業(yè)集聚與糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排放呈負(fù)相關(guān)。應(yīng)鼓勵糧食主產(chǎn)區(qū)農(nóng)業(yè)資源的調(diào)整和重組，加快土地流轉(zhuǎn)進(jìn)程，促進(jìn)土地規(guī)?；?jīng)營，推動農(nóng)業(yè)生產(chǎn)經(jīng)營方式的轉(zhuǎn)變，加大勞動力市場、生產(chǎn)投入要素及專業(yè)技術(shù)的共享機會，通過產(chǎn)生技術(shù)外溢效應(yīng)，實現(xiàn)農(nóng)業(yè)碳減排。需要考慮的是，目前糧食主產(chǎn)區(qū)農(nóng)業(yè)產(chǎn)業(yè)集聚仍處于經(jīng)濟發(fā)展的初級階段，要避免純粹依靠要素投入實現(xiàn)產(chǎn)業(yè)集聚，防止要素?fù)頂D導(dǎo)致農(nóng)業(yè)碳排放回升，因此，需健全以農(nóng)產(chǎn)品消費而非生產(chǎn)為標(biāo)準(zhǔn)的農(nóng)業(yè)碳減排責(zé)任機制，實現(xiàn)產(chǎn)業(yè)集聚在促進(jìn)農(nóng)業(yè)經(jīng)濟發(fā)展的同時帶來環(huán)境的正外部性。

4. 4 加強地區(qū)間合作交流，共同推進(jìn)農(nóng)業(yè)低碳化發(fā)展

通過研究發(fā)現(xiàn)，糧食主產(chǎn)區(qū)各?。▍^(qū)）農(nóng)業(yè)碳排放存在顯著的空間依懶性，制定碳減排政策時如果忽視這種空間交互作用有可能會降低政策實施效果。因此，地區(qū)間應(yīng)正視農(nóng)業(yè)碳排放的空間交互作用，及時關(guān)注鄰近省（區(qū)）的農(nóng)業(yè)碳減排政策及相關(guān)影響因素的變動;不斷加強各地區(qū)信息共享，實現(xiàn)技術(shù)、投入要素及人力等外部溢出效應(yīng);通過合作交流，推進(jìn)地區(qū)間低碳農(nóng)業(yè)的平衡發(fā)展。

參考文獻(xiàn)：

陳煒，殷田園，李紅兵. 2019. 1997—2015年中國種植業(yè)碳排放時空特征及與農(nóng)業(yè)發(fā)展的關(guān)系[J]. 干旱區(qū)資源與環(huán)境，33（2）： 37-44. [Chen W，Yin T Y，Li H B. 2019. Spatiotemporal distribution characteristics of carbon emission from plant industry and the relationship with agriculture development in China from 1997 to 2015[J]. Journal of Arid Land Resources and Environment，33（2）： 37-44.]

陳銀娥，陳薇. 2018. 農(nóng)業(yè)機械化、產(chǎn)業(yè)升級與農(nóng)業(yè)碳排放關(guān)系研究——基于動態(tài)面板數(shù)據(jù)模型的經(jīng)驗分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，（5）： 122-133. [Chen Y E，Chen W. 2018. A study on the relationship among agricultural mechanization，industrial upgrading and agricultural carbon emis-sion—The empirical research based on dynamic panel data model[J]. Journal of Agrotechnical Economics，（5）：122-133.]

程琳琳，張俊飚，何可. 2018. 農(nóng)業(yè)產(chǎn)業(yè)集聚對碳效率的影響研究： 機理、空間效應(yīng)與分群差異[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報，23（9）： 218-230. [Cheng L L，Zhang J B，He K. 2018. Different spatial impacts of agricultural industrial agglome-rations on carbon efficiency：Mechanism，spatial effects and groups differences[J]. Journal of China Agricultural University，23（9）： 218-230.]

高鳴，馬鈴. 2015. 貧困視角下糧食生產(chǎn)技術(shù)效率及其影響因素——基于EBM-Goprobit二步法模型的實證分析[J]. 中國農(nóng)村觀察，（4）： 49-60. [Gao M，Ma L. 2015. Poor perspective on grain productivity and its influencing factors： Based on the EBM-Goprobit model[J]. China Rural Survey，（4）： 49-60.]

郭四代，錢昱冰，趙銳. 2018. 西部地區(qū)農(nóng)業(yè)碳排放效率及收斂性分析——基于SBM-Undesirable模型[J]. 農(nóng)村經(jīng)濟，（11）： 80-87. [Guo S D，Qian Y B，Zhao R. 2018. Analysis of agricultural carbon emission efficiency and convergence in western regions—Based on SBM-Undesirable model[J]. Rural Economy，（11）： 80-87.]

何艷秋，陳柔，吳昊玥，徐杰，宋藝. 2018. 中國農(nóng)業(yè)碳排放空間格局及影響因素動態(tài)研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報，26（9）： 1269-1282. [He Y Q，Chen R，Wu H Y，Xu J，Song Y. 2018. Spatial dynamics of agricultural carbon emissions in China and the related driving factors[J]. Chinese Journal of Eco-Agriculture，26（9）： 1269-1282.]

胡川，韋院英，胡威. 2018. 農(nóng)業(yè)政策、技術(shù)創(chuàng)新與農(nóng)業(yè)碳排放的關(guān)系研究[J]. 農(nóng)業(yè)經(jīng)濟問題，（9）： 66-75. [Hu C，Wei Y Y，Hu W. 2018. Research on the relationship between agricultural policy，technological innovation and agricultural carbon emissions[J]. Issues in Agricultural Economy，（9）：66-75.]

胡中應(yīng). 2018. 技術(shù)進(jìn)步、技術(shù)效率與中國農(nóng)業(yè)碳排放[J]. 華東經(jīng)濟管理，32（6）： 100-105. [Hu Z Y. 2018. Technical progress，technical efficiency and agricultural carbon emissions in China[J]. East China Economic Management，32（6）： 100-105.]

梁青青. 2018. 我國農(nóng)業(yè)碳排放的空間差異實證研究——基于1996—2015年省際面板數(shù)據(jù)[J]. 農(nóng)林經(jīng)濟管理學(xué)報，17（2）： 159-168. [Liang Q Q. 2018. Regional and provincial comparison of carbon sinks status： Based on 1996-2015 provincial panel data[J]. Journal of Agro-Fores-try Economics and Management，17（2）： 159-168.]

閔繼勝，胡浩. 2012. 中國農(nóng)業(yè)生產(chǎn)溫室氣體排放量的測算[J]. 中國人口·資源與環(huán)境，22（7）： 21-27. [Min J S，Hu H. 2012. Calculation of greenhouse gases emission from agricultural production in China[J]. Chinese Journal of Population Resources and Environment，22（7）： 21-27.]

田云，張俊飚，李波. 2012. 中國糧食主產(chǎn)區(qū)農(nóng)業(yè)碳排強度估算及其分析[J]. 地理科學(xué)進(jìn)展，31（11）： 1546-1551. [Tian Y，Zhang J B，Li B. 2012. Intensities of agricultural carbon emissions and their causes in the major grain producing areas in China[J]. Progress in Geography，31（11）： 1546-1551.]

王興，馬守田，濮超，趙鑫，王鈺喬，張海林. 2017. 西南地區(qū)農(nóng)業(yè)碳排放趨勢及影響因素研究[J]. 中國人口·資源與環(huán)境，27（S2）： 231-234. [Wang X，Ma S T，Pu C，Zhao X，Wang Y Q，Zhang H L. 2017. Trends and influencing factors of agricultural carbon emissions in the Southwest China[J]. China Population，Resources and Environment，27（S2）： 231-234.]

韋沁，曲建升，白靜，李恒吉，劉莉娜，徐麗. 2018. 我國農(nóng)業(yè)碳排放的影響因素和南北區(qū)域差異分析[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報，34（4）： 318-325. [Wei Q，Qu J S，Bai J，Li H J，Liu L N，Xu L. 2018. Influencing factors of agricultural carbon emission and regional differences between South and North in China[J]. Journal of Ecology and Rural Environment，34（4）： 318-325.]

魏瑋，文長存，崔琦，解偉. 2018. 農(nóng)業(yè)技術(shù)進(jìn)步對農(nóng)業(yè)能源使用與碳排放的影響——基于GTAP-E模型分析[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟，（2）： 30-40. [Wei W，Wen C C，Cui Q，Xie W. 2018. The impacts of technological advance on agricultural energy use and carbon emission—An analysis based on GTAP-E model[J]. Journal of Agrotechnical Economics，（2）： 30-40.]

張翠菊，張宗益，覃明鋒. 2016. 能源稟賦、技術(shù)進(jìn)步與碳排放強度——基于空間計量模型的研究[J]. 系統(tǒng)工程，34（11）： 47-53. [Zhang C J，Zhang Z Y，Qin M F. 2016. Research on energy resources，technology advance and carbon emission intensity—Based on spatial panel econometric model[J]. Systems Engineering，34（11）： 47-53.]

張軍偉，張錦華，吳方衛(wèi). 2018. 我國糧食生產(chǎn)的碳排放及減排路徑分析[J]. 統(tǒng)計與決策，34（14）： 168-172. [Zhang J W，Zhang J H，Wu F W. 2018. Analysis of carbon emi-ssions and emission reduction paths of China’s grain production[J]. Statistics & Decision，34（14）： 168-172.]

趙爽，陳儒，姜志德. 2018. 低碳試點政策對農(nóng)業(yè)碳排放影響的實證研究——基于雙重差分模型的檢驗[J]. 生態(tài)經(jīng)濟，34（12）： 22-28. [Zhao S，Chen R，Jiang Z D. 2018. Empirical analysis of the low-carbon pilot policies’ impact on agricultural carbon emissions based on DID model[J]. Ecological Economy，34（12）： 22-28.]

Anselin L. 2003. Spatial econometrics[M]//Baltagi B H. A companion to theoretical econometrics. Oxford： Blackwell Publishing Ltd： 310-330.

Dubey A，Lal R. 2009. Carbon footprint and sustainability of agricultural production systems in Punjab，India，and Ohio，USA[J]. Crop Improvement，23（4）： 332-350.

Tobler W R. 1970. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography，46（S1）： 234-240.

West T O，Marland G. 2002. A synthesis of carbon sequestration，carbon missions，and net carbon flux in agriculture： Comparing tillage practices in the United States[J]. Agriculture Ecosystems & Environment，91（1-3）： 217-232.

（責(zé)任編輯 鄧慧靈）